論文の概要: Controlling Collectives of AI Agents in Reasoning Space with Spatial Transformers

• arxiv url: http://arxiv.org/abs/2609.28247v1
• Date: Wed, 23 Sep 2026 15:08:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 00:05:18.084057
• Title: Controlling Collectives of AI Agents in Reasoning Space with Spatial Transformers
• Title（参考訳）: 空間変換器を用いた共振空間におけるAIエージェントの集合制御
• Abstract要約: 大きな言語モデル(LLM)は、ロボット工学における計画とナビゲーションのためのエキサイティングな新しいパラダイムを導入しますが、チームのサイズが大きくなるにつれて、単純なマルチロボットタスクにも失敗します。 本稿では,大規模エージェントロボット群を推論空間フィードバック制御により制御するための,スケーラブルで分散化されたマルチロボットアーキテクチャを提案する。 フィードバックは各ロボット上で,複数のホップメッセージを収集する空間変換器によって局所的に生成され,学習されたフィードバックトークンになる。
• 参考スコア（独自算出の注目度）: 70.77402879529212
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Large Language Models (LLMs) introduce an exciting new paradigm for planning and navigation in robotics, but fail on even simple multi-robot tasks as team sizes grow. We propose COMPASS, a scalable, decentralized multi-robot architecture for controlling large collectives of agentic robots with reasoning space feedback control. Feedback is generated locally on each robot by a spatial transformer which aggregates multi-hop messages across the fleet into a learned feedback token. Our experiments find that collectives of language models demonstrate performance gains from structured diversity of the input command, which can cancel biases; an advantage that is held across scale. Compared against a centralized frontier LLM policy and a language-only communication ablation, we find that the coupled design of COMPASS decisively produces cohesive flocking formations that accurately fly the commanded intent. We show that reasoning feedback works best when composed with a compact learned token. Our ablations show that hand engineered feedback with raw state appearing in the language channel obliterates cohesion. COMPASS generalizes zero-shot to unseen instructions of ambiguous meaning while commanding flocks up to 16 times its training scale, flying up to 1024 robots under natural language commands.
• Abstract（参考訳）: 大規模言語モデル(LLM)は、ロボット工学における計画とナビゲーションのためのエキサイティングな新しいパラダイムを導入しますが、チームのサイズが大きくなるにつれて、単純なマルチロボットタスクにも失敗します。 空間フィードバック制御によるエージェントロボットの大規模な集合を制御するための,スケーラブルで分散化されたマルチロボットアーキテクチャであるCompASSを提案する。 フィードバックは各ロボット上で,複数のホップメッセージを収集する空間変換器によって局所的に生成され,学習されたフィードバックトークンになる。 実験の結果、言語モデルの集合体は、入力コマンドの構造的多様性から得られる性能向上を示し、バイアスをキャンセルできることがわかった。 中央集権的フロンティア LLM ポリシーと言語のみの通信アブレーションと比較すると,CompASS の結合設計は,命令された意図を正確に飛行する凝集性フラッキング構造を決定的に生成することがわかった。 学習トークンをコンパクトに組み合わせた場合,推論フィードバックが最も有効であることを示す。 言語チャネルに生の状態が現れる手作業によるフィードバックが凝集を消し去ることを示す。 CompASSは、ゼロショットを曖昧な意味の無意味な指示に一般化し、訓練の規模を最大16倍にし、自然言語コマンドで最大1024個のロボットを飛ばす。

関連論文リスト

• LLM-Powered Interactive Robotic Action Synthesis from Multimodal Speech, Gestures, and Music [1.7188280334580195]
  本稿では,マルチモーダルな人間入力の豊富なタペストリーから複雑なロボット動作を合成する新しいフレームワークを提案する。 システムアーキテクチャは,音声の書き起こしモデル,ジェスチャー認識モジュール,ビート検出のための信号処理パイプラインを統合している。 このフレームワークは、音声からのセマンティックコマンド、ジェスチャーからのディスティック情報、音楽からのリズミカルキューを解釈し、融合する機能を備えている。
  論文  参考訳（メタデータ） (2026-06-30T05:35:26Z)
• EduSim-LLM: An Educational Platform Integrating Large Language Models and Robotic Simulation for Beginners [0.22917707112773592]
  本稿では,大規模言語モデルとロボットシミュレーションを統合した教育プラットフォームであるEduSim-LLMを紹介する。 我々は、直接制御と自律制御という2つの人間ロボット相互作用モデルの設計、複数の言語モデルに基づく体系的なシミュレーション、マルチロボット協調、運動計画、操作能力の評価を行う。
  論文  参考訳（メタデータ） (2026-01-03T14:40:39Z)
• RoboOmni: Proactive Robot Manipulation in Omni-modal Context [165.09049429566238]
  我々は,音声対話や環境音,視覚的手がかりから意図を導出する,クロスモーダルな文脈指示を導入する。 目的認識,インタラクション確認,アクション実行を統一する,エンドツーエンドのOmni-Modal LLMに基づくフレームワークであるRoboOmniを提案する。 シミュレーションと実世界の設定の実験では、Robo OmniはテキストベースとASRベースのベースラインを越え、成功率、推論速度、意図認識、積極的に支援している。
  論文  参考訳（メタデータ） (2025-10-27T18:49:03Z)
• Interpretable Robot Control via Structured Behavior Trees and Large Language Models [0.14990005092937678]
  本稿では,自然言語理解とロボット実行を橋渡しする新しい枠組みを提案する。 提案手法は実世界のシナリオでは実用的であり、平均的な認識と実行の精度は約94%である。
  論文  参考訳（メタデータ） (2025-08-13T08:53:13Z)
• Deploying Foundation Model-Enabled Air and Ground Robots in the Field: Challenges and Opportunities [65.98704516122228]
  基礎モデル(FM)をロボット工学に統合することで、ロボットは自然言語を理解し、環境のセマンティクスを推論できるようになった。 本稿では,FM対応ロボットを現場に展開する上で,大規模で非構造的な環境下でのロボットの運用に必要なミッションについて述べる。 数kmのミッションを持つ非構造環境下での大規模LLM対応ロボット計画の実証実験を行った。
  論文  参考訳（メタデータ） (2025-05-14T15:28:43Z)
• RoboScript: Code Generation for Free-Form Manipulation Tasks across Real and Simulation [77.41969287400977]
  本稿では,コード生成を利用したデプロイ可能なロボット操作パイプラインのためのプラットフォームである textbfRobotScript を提案する。 自由形自然言語におけるロボット操作タスクのためのコード生成ベンチマークも提案する。 我々は,Franka と UR5 のロボットアームを含む,複数のロボットエボディメントにまたがるコード生成フレームワークの適応性を実証した。
  論文  参考訳（メタデータ） (2024-02-22T15:12:00Z)
• WALL-E: Embodied Robotic WAiter Load Lifting with Large Language Model [92.90127398282209]
  本稿では,最新のLarge Language Models(LLM)と既存のビジュアルグラウンドとロボットグルーピングシステムを統合する可能性について検討する。 本稿では,この統合の例としてWALL-E (Embodied Robotic WAiter load lifting with Large Language model)を紹介する。 我々は,このLCMを利用したシステムを物理ロボットに展開し,よりユーザフレンドリなインタフェースで指導誘導型把握タスクを実現する。
  論文  参考訳（メタデータ） (2023-08-30T11:35:21Z)
• Reshaping Robot Trajectories Using Natural Language Commands: A Study of Multi-Modal Data Alignment Using Transformers [33.7939079214046]
  我々は、人間とロボットのコラボレーションのための柔軟な言語ベースのインタフェースを提供する。 我々は、ユーザコマンドをエンコードする大規模言語モデルの分野における最近の進歩を生かしている。 言語コマンドによって修正されたロボット軌跡を含むデータセット上で、模倣学習を用いてモデルを訓練する。
  論文  参考訳（メタデータ） (2022-03-25T01:36:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。